pandas concat()使用

### 使用 `pandas.concat` 函数进行数据操作

在Python的数据处理过程中，`pandas.concat` 是一种用于沿指定轴连接多个DataFrame或Series对象的方法[^1]。此方法允许沿着行（axis=0，默认设置）或列（axis=1）方向组合不同的表格结构。

#### 基本语法
以下是 `pandas.concat` 的基本调用方式：

import pandas as pd

result = pd.concat([df1, df2], axis=0, join='outer', ignore_index=False)

- 参数说明：
- `[df1, df2]`: 要连接的对象列表。
- `axis`: 连接的方向；默认为0表示按垂直堆叠（即增加新行），设为1则水平扩展（新增加列）。
- `join`: 控制索引匹配的方式；'inner'取交集,'outer'(默认)取并集。
- `ignore_index`: 如果设置为True，则忽略原始索引而创建新的整数型索引。

#### 实际应用案例
下面通过具体例子展示如何利用该功能来实现不同类型的数据拼接：

##### 沿着纵向（行）合并两个DataFrame实例

假设存在如下两份销售记录表单：

| Date | Sales |
|------------|-------|
| 2023-09-01 | 100 |
| 2023-09-02 | 150 |

以及

| Date | Sales |
|------------|-------|
| 2023-09-03 | 200 |
| 2023-09-04 | 250 |

可以这样写代码将其合二为一：

sales_data_1 = pd.DataFrame({
    'Date': ['2023-09-01', '2023-09-02'],
    'Sales': [100, 150]
})

sales_data_2 = pd.DataFrame({
    'Date': ['2023-09-03', '2023-09-04'],
    'Sales': [200, 250]
})

combined_sales = pd.concat([sales_data_1, sales_data_2])
print(combined_sales)

这会得到一个新的包含四条记录的DataFrame。

##### 合并具有不同列名但相同长度的DataFrame

当面对拥有部分重叠字段名称却也各自具备独特属性的情况时，可以通过调整参数使它们顺利融合在一起形成更宽广的结果集：

customer_info = pd.DataFrame({'CustomerID':[1,2],'Name':['Alice','Bob']})
order_details = pd.DataFrame({'OrderNo':[1001,1002],'Amount':[80,75]})

merged_df = pd.concat([customer_info.set_index('CustomerID'), order_details.set_index('OrderNo')], axis=1)

print(merged_df)

这里需要注意的是，在这种情况下通常需要先设定共同键作为索引来确保正确对应关系[^2]。